Bergabunglah dengan buletin harian dan mingguan kami untuk pembaruan terbaru dan konten eksklusif tentang liputan AI terkemuka di industri. Pelajari lebih lanjut
Sementara banyak perusahaan sekarang berlomba untuk mengadopsi dan menggunakan AI, raksasa biro kredit Experian telah mengambil pendekatan yang sangat terukur.
Experian telah mengembangkan proses internal, kerangka kerja dan model tata kelola yang telah membantunya menguji AI generatif, menggunakannya pada skala dan memiliki dampak. Perjalanan perusahaan telah membantu mengubah operasi dari biro kredit tradisional menjadi perusahaan platform bertenaga AI yang canggih. Pendekatannya – Blending Advanced Machine Learning (ML), agen arsitektur AI dan inovasi akar rumput – telah meningkatkan operasi bisnis dan memperluas akses keuangan ke sekitar 26 juta orang Amerika.
Perjalanan AI Experian sangat kontras dengan perusahaan yang hanya mulai mengeksplorasi pembelajaran mesin setelah kemunculan ChatGPT pada tahun 2022. Raksasa kredit telah secara metodis mengembangkan kemampuan AI selama hampir dua dekade, menciptakan sebuah fondasi yang memungkinkannya memanfaatkan terobosan AI generatif dengan cepat.
“AI telah menjadi bagian dari kain di Experian jauh di luar ketika keren berada di AI,” Shri Santhanam, EVP dan GM, perangkat lunak, platform dan produk AI di Experian, mengatakan kepada VentureBeat dalam wawancara eksklusif. “Kami telah menggunakan AI untuk membuka kekuatan data kami untuk menciptakan dampak yang lebih baik bagi bisnis dan konsumen selama dua dekade terakhir.”
Dari Pembelajaran Mesin Tradisional ke Mesin Inovasi AI
Sebelum era Gen AI modern, Experian sudah menggunakan dan berinovasi dengan ML.
Santhanam menjelaskan bahwa alih-alih mengandalkan model statistik dasar dan tradisional, Experian memelopori penggunaan pohon-pohon keputusan yang ditingkatkan gradien bersama teknik pembelajaran mesin lainnya untuk penjaminan kredit. Perusahaan juga mengembangkan sistem AI yang dapat dijelaskan – penting untuk kepatuhan peraturan dalam layanan keuangan – yang dapat mengartikulasikan alasan di balik keputusan pinjaman otomatis.
Yang paling signifikan, Lab Inovasi Experian (sebelumnya Lab Data) bereksperimen dengan model bahasa dan jaringan transformator jauh sebelum rilis ChatGPT. Pekerjaan awal ini memposisikan perusahaan untuk dengan cepat memanfaatkan kemajuan AI generatif daripada memulai dari awal.
“Ketika meteor chatgpt melanda, itu adalah titik percepatan yang cukup mudah bagi kami, karena kami memahami teknologi, memiliki aplikasi dalam pikiran, dan kami hanya menginjak pedal,” Santhanam menjelaskan.
Yayasan Teknologi ini memungkinkan Experian untuk memotong fase eksperimental bahwa banyak perusahaan masih menavigasi dan bergerak langsung ke implementasi produksi. Sementara organisasi lain baru mulai memahami apa yang bisa dilakukan oleh model bahasa besar (LLM), Experian sudah menggunakannya dalam kerangka AI yang ada, menerapkannya pada masalah bisnis tertentu yang sebelumnya telah mereka identifikasi.
Empat Pilar untuk Transformasi AI Enterprise
Ketika AI generatif muncul, Experian tidak panik atau pivot; Ini dipercepat di sepanjang jalan yang sudah dipetakan. Perusahaan mengatur pendekatannya di sekitar empat pilar strategis yang menawarkan kepada pemimpin teknis kerangka kerja komprehensif untuk adopsi AI:
- Peningkatan produk: Experian memeriksa penawaran yang ada pelanggan yang ada untuk mengidentifikasi peluang untuk perbaikan yang digerakkan oleh AI dan pengalaman pelanggan yang sama sekali baru. Daripada membuat fitur AI mandiri, Experian mengintegrasikan kemampuan generatif ke dalam rangkaian produk intinya.
- Optimalisasi Produktivitas: Pilar kedua membahas optimasi produktivitas dengan mengimplementasikan AI di seluruh tim teknik, operasi layanan pelanggan dan proses inovasi internal. Ini termasuk memberikan bantuan pengkodean AI kepada pengembang dan merampingkan operasi layanan pelanggan.
- Pengembangan platform: Pilar ketiga – mungkin paling penting untuk keberhasilan Experian – yang berpusat pada pengembangan platform. Experian mengakui lebih awal bahwa banyak organisasi akan berjuang untuk bergerak melampaui implementasi bukti konsep, sehingga berinvestasi dalam membangun infrastruktur platform yang dirancang khusus untuk penskalaan yang bertanggung jawab dari inisiatif AI di seluruh perusahaan.
- Pendidikan dan pemberdayaan: Pilar keempat membahas pendidikan, pemberdayaan, dan komunikasi – menciptakan sistem terstruktur untuk mendorong inovasi di seluruh organisasi daripada membatasi keahlian AI untuk tim khusus.
Pendekatan terstruktur ini menawarkan cetak biru untuk perusahaan yang ingin bergerak melampaui eksperimen AI yang tersebar menuju implementasi sistematis dengan dampak bisnis yang terukur.
Arsitektur Teknis: Bagaimana Experian Membangun Platform AI Modular
Untuk pembuat keputusan teknis, arsitektur platform Experian menunjukkan cara membangun sistem AI perusahaan yang menyeimbangkan inovasi dengan tata kelola, fleksibilitas, dan keamanan.
Perusahaan membangun tumpukan teknis berlapis-lapis dengan prinsip-prinsip desain inti yang memprioritaskan kemampuan beradaptasi:
“Kami menghindari melewati pintu satu arah,” Santhanam menjelaskan. “Jika kami membuat pilihan pada teknologi atau kerangka kerja, kami ingin memastikan bahwa untuk sebagian besar … kami membuat pilihan yang dapat kami mandiri jika diperlukan.”
Arsitekturnya meliputi:
- Lapisan Model: Beberapa opsi model bahasa besar, termasuk API Openai melalui Azure, model AWS Bedrock, termasuk Claude Anthropic, dan model berpemilik yang disesuaikan.
- Lapisan aplikasi: Perangkat Layanan dan Perpustakaan Komponen Mengaktifkan Insinyur untuk Membangun Arsitektur Agen.
- Lapisan keamanan: Kemitraan awal dengan Dynamo AI untuk pengujian keamanan, tata kelola kebijakan dan penetrasi yang dirancang khusus untuk sistem AI.
- Struktur tata kelola: Dewan risiko AI global dengan keterlibatan eksekutif langsung.
Pendekatan ini kontras dengan perusahaan yang telah berkomitmen untuk solusi vendor tunggal atau model kepemilikan, memberikan fleksibilitas eksperi yang lebih besar karena kemampuan AI terus berkembang. Perusahaan sekarang melihat arsitekturnya bergeser ke arah apa yang digambarkan Santhanam sebagai “sistem AI yang lebih direkatkan sebagai campuran para ahli dan agen yang ditenagai oleh model spesialis atau bahasa kecil yang lebih terfokus.”
Dampak Terukur: Inklusi Keuangan yang Digerakkan AI pada Skala
Di luar kecanggihan arsitektur, implementasi AI Experian menunjukkan dampak bisnis dan masyarakat yang konkret, khususnya dalam mengatasi tantangan “invisible kredit”.
Dalam industri jasa keuangan, “Invisibles Kredit” mengacu pada sekitar 26 juta orang Amerika yang tidak memiliki sejarah kredit yang cukup untuk menghasilkan skor kredit tradisional. Orang -orang ini, seringkali konsumen yang lebih muda, imigran baru -baru ini, atau mereka yang berasal dari komunitas yang kurang terlayani secara historis, menghadapi hambatan yang signifikan untuk mengakses produk keuangan meskipun berpotensi layak kredit.
Model penilaian kredit tradisional terutama mengandalkan data biro kredit standar seperti riwayat pembayaran pinjaman, pemanfaatan kartu kredit, dan tingkat utang. Tanpa sejarah konvensional ini, pemberi pinjaman secara historis memandang konsumen ini sebagai risiko tinggi atau menolak untuk melayani mereka sepenuhnya. Ini menciptakan Catch-22 di mana orang tidak dapat membangun kredit karena mereka tidak dapat mengakses produk kredit.
Experian menangani masalah ini melalui empat inovasi AI spesifik:
- Model Data Alternatif: Sistem pembelajaran mesin yang menggabungkan sumber data non-tradisional (pembayaran sewa, utilitas, pembayaran telekomunikasi) ke dalam penilaian kelaikan kredit, menganalisis ratusan variabel daripada faktor terbatas dalam model konvensional.
- AI yang bisa dijelaskan untuk kepatuhan: Kerangka kerja yang mempertahankan kepatuhan peraturan dengan mengartikulasikan mengapa keputusan penilaian spesifik dibuat, memungkinkan penggunaan model kompleks di lingkungan pinjaman yang sangat diatur.
- Analisis data yang tren: Sistem AI yang memeriksa bagaimana perilaku keuangan berkembang dari waktu ke waktu daripada memberikan snapshot statis, mendeteksi pola dalam lintasan keseimbangan dan perilaku pembayaran yang lebih baik memprediksi kelayakan kredit di masa depan.
- Arsitektur khusus segmen: Desain model khusus yang menargetkan berbagai segmen invisible kredit – mereka dengan file tipis versus yang tidak memiliki sejarah tradisional sama sekali.
Hasilnya sangat besar: lembaga keuangan yang menggunakan sistem AI ini dapat menyetujui 50% lebih banyak pelamar dari populasi yang sebelumnya tidak terlihat sambil mempertahankan atau meningkatkan kinerja risiko.
Takeaways yang dapat ditindaklanjuti untuk pembuat keputusan teknis
Bagi perusahaan yang ingin memimpin dalam adopsi AI, pengalaman Experian menawarkan beberapa wawasan yang dapat ditindaklanjuti:
Bangun arsitektur yang bisa beradaptasi: Bangun platform AI yang memungkinkan fleksibilitas model daripada bertaruh secara eksklusif pada penyedia atau pendekatan tunggal.
Mengintegrasikan tata kelola lebih awal: Buat tim lintas fungsi di mana keamanan, kepatuhan, dan pengembang AI berkolaborasi dari awal daripada beroperasi di silo.
Fokus pada Dampak Terukur: Memprioritaskan aplikasi AI seperti ekspansi kredit Experian yang memberikan nilai bisnis berwujud sambil juga mengatasi tantangan sosial yang lebih luas.
Pertimbangkan arsitektur agen: Bergerak melampaui chatbots sederhana menuju sistem multi-agen yang diatur yang dapat lebih efektif menangani tugas-tugas khusus domain yang kompleks.
Untuk pemimpin teknis dalam jasa keuangan dan industri yang diatur lainnya, Journey Experian menunjukkan bahwa tata kelola AI yang bertanggung jawab bukanlah penghalang bagi inovasi tetapi lebih merupakan enabler pertumbuhan yang berkelanjutan dan tepercaya.
Dengan menggabungkan pengembangan teknologi metodis dengan desain aplikasi yang berwawasan ke depan, Experian telah menciptakan cetak biru untuk bagaimana perusahaan data tradisional dapat mengubah diri mereka menjadi platform bertenaga AI dengan dampak bisnis dan masyarakat yang signifikan.
